Ce dépôt contient tous mes mini-projets effectués lors du modèle "Robotique et Apprentissage" du master 1 d'informatique, parcours AI2D, à Sorbonne Université.
L'objectif de ces mini-projets était d'explorer l'apprentissage par renforcement, la robotique évolutionnaire et des méthodes d'optimisation associées, liés à des applications de contrôle robotique. De plus, ils mettent l'accent sur les bonnes pratiques scientifiques : expérimentations stochastique, reproductibilité, analyse statistique des performances et comparaison rigoureuse des méthodes.
Reinforcement Learning :
- Model-Based : Dynamic programming, value iteration, and Q-learning with learned environment models.
- Model-Free : Tabular RL methods including Q-learning and SARSA.
Evolutionary Algorithms :
- Multi-Objective Optimization : NSGA-II and single-objective EA implementations with robotic arm control.
- Evolutionary Robotics : Evolution strategies and collective robotics experiments.
- Quality Diversity : Novelty-aware and quality diversity algorithms.
Additional Studies
- Actor-Critic Study : Actor-critic algorithm implementation with hyperparameter tuning using grid search and Bayesian optimization.
- Regression : Regression algorithm implementations.